离散GOM(1,1)模型及其应用

基于反向累加生成的灰色GOM(1,1)模型,给出了灰色离散GOM(1,1)模型的建模方法.解释了离散GOM(1,1)模型比原始GOM(1,1)模型的优越性,证明了离散GOM(1,1)模型不仅具有白化指数律,而且具有线性不变性.最后,利用给出的一个实例,证明了离散GOM(1,1)模型具有较高的拟合和预测精度.

基于DGM(1,2)和GOM(1,2)的镁合金退火力学性能预测

研究了退火温度对热轧AZ31变形镁合金板材力学性能的影响。提出了引入时间序列参变量的离散型灰色预测模型。根据AZ31镁合金力学性能随退火温度升高递增与递减的规律,采用了对原始数据序列进行正向与反向累加的生成序列方法建立了灰色预测模型,即灰色DGM(1,2)、GOM(1,2)模型。将两种模型分别用于预测不同的退火温度下AZ31镁合金板材的伸长率、显微硬度和杯突值。结果表明,模型有较高的预测精度。

GOM(1,1)模型时间响应函数的优化

利用"最小二乘法"确定GOM(1,1)模型白化权函数的时间响应函数中的常数c,摈弃了传统GOM(1,1)模型将x(1)(1)作为初始值的欠科学的做法,构建了时间响应函数的优化模型。不管GOM(1,1)模型的发展系数a及控制系数b的估计值使用何种方法求出,通过本文两个准则确定待定系数c值从而得到时间响应函数的优化模型均能提高模型的模拟预测精度,并用实例验证了新方法的有效性与实用性。

基于灰色优化GOM模型的道路交通事故预测

道路交通事故的发生存在诸多不确定因素,为研究其内在规律,掌握其发展趋势,对道路交通事故进行有效预测具有重大意义。以福建省2008-2012年道路交通事故次数为例,应用灰色系统理论,构建道路交通事故次数灰色GM(1,1)预测模型和灰色优化GOM模型,对事故原始数据经生成处理后预测分析,通过对比两者所得出的相关指标,结果表明灰色优化GOM模型较灰色GM(1,1)模型的预测精度高,适合对未来道路交通事故进行预测。